[docs update]经典LeetCode题目推荐+红黑树内容完善

docs/.vuepress/sidebar/index.ts

@@ -239,6 +239,8 @@ export default sidebar({
           icon: "suanfaku",
           collapsible: true,
           children: [
+            "classical-algorithm-problems-recommendations",
+            "common-data-structures-leetcode-recommendations",
             "string-algorithm-problems",
             "linkedlist-algorithm-problems",
             "the-sword-refers-to-offer",

docs/cs-basics/algorithms/classical-algorithm-problems-recommendations.md

@@ -1,4 +1,9 @@
-# 经典算法思想介绍
+---
+title: 经典算法思想总结（含LeetCode题目推荐）
+category: 计算机基础
+tag:
+  - 算法
+---
 
 ## 贪心算法
 
@@ -19,11 +24,11 @@
 
 121.买卖股票的最佳时机：https://leetcode.cn/problems/best-time-to-buy-and-sell-stock/
 
-122.买卖股票的最佳时机II：https://leetcode.cn/problems/best-time-to-buy-and-sell-stock-ii/
+122.买卖股票的最佳时机 II：https://leetcode.cn/problems/best-time-to-buy-and-sell-stock-ii/
 
 55.跳跃游戏：https://leetcode.cn/problems/jump-game/
 
-45.跳跃游戏II：https://leetcode.cn/problems/jump-game-ii/
+45.跳跃游戏 II：https://leetcode.cn/problems/jump-game-ii/
 
 ## 动态规划
 
@@ -31,15 +36,15 @@
 
 动态规划中每一个状态一定是由上一个状态推导出来的，这一点就区分于贪心，贪心没有状态推导，而是从局部直接选最优的。
 
-经典题目：01背包、完全背包
+经典题目：01 背包、完全背包
 
 ### 一般解题步骤
 
-- 确定dp数组（dp table）以及下标的含义
+- 确定 dp 数组（dp table）以及下标的含义
 - 确定递推公式
-- dp数组如何初始化
+- dp 数组如何初始化
 - 确定遍历顺序
-- 举例推导dp数组
+- 举例推导 dp 数组
 
 ### LeetCode
 
@@ -63,7 +68,7 @@
 
 件时，就“回溯”返回，尝试别的路径。其本质就是穷举。
 
-经典题目：8皇后
+经典题目：8 皇后
 
 ### 一般解题步骤
 
@@ -77,19 +82,19 @@
 
 39.组合总和：https://leetcode.cn/problems/combination-sum/
 
-40.组合总和II：https://leetcode.cn/problems/combination-sum-ii/
+40.组合总和 II：https://leetcode.cn/problems/combination-sum-ii/
 
 78.子集：https://leetcode.cn/problems/subsets/
 
-90.子集II：https://leetcode.cn/problems/subsets-ii/
+90.子集 II：https://leetcode.cn/problems/subsets-ii/
 
-51.N皇后：https://leetcode.cn/problems/n-queens/
+51.N 皇后：https://leetcode.cn/problems/n-queens/
 
 ## 分治算法
 
 ### 算法思想
 
-将一个规模为N的问题分解为K个规模较小的子问题，这些子问题相互独立且与原问题性质相同。求出子问题的解，就可得到原问题的解。
+将一个规模为 N 的问题分解为 K 个规模较小的子问题，这些子问题相互独立且与原问题性质相同。求出子问题的解，就可得到原问题的解。
 
 经典题目：二分查找、汉诺塔问题
 
@@ -105,5 +110,5 @@
 
 148.排序列表：https://leetcode.cn/problems/sort-list/
 
-23.合并k个升序链表：https://leetcode.cn/problems/merge-k-sorted-lists/
+23.合并 k 个升序链表：https://leetcode.cn/problems/merge-k-sorted-lists/
 

docs/cs-basics/algorithms/common-data-structures-leetcode-recommendations.md

@@ -1,36 +1,43 @@
-# 数组
+---
+title: 常见数据结构经典LeetCode题目推荐
+category: 计算机基础
+tag:
+  - 算法
+---
+
+## 数组
 
 704.二分查找：https://leetcode.cn/problems/binary-search/
 
-80.删除有序数组中的重复项II：https://leetcode.cn/problems/remove-duplicates-from-sorted-array-ii
+80.删除有序数组中的重复项 II：https://leetcode.cn/problems/remove-duplicates-from-sorted-array-ii
 
 977.有序数组的平方：https://leetcode.cn/problems/squares-of-a-sorted-array/
 
-# 链表
+## 链表
 
 707.设计链表：https://leetcode.cn/problems/design-linked-list/
 
 206.反转链表：https://leetcode.cn/problems/reverse-linked-list/
 
-92.反转链表II：https://leetcode.cn/problems/reverse-linked-list-ii/
+92.反转链表 II：https://leetcode.cn/problems/reverse-linked-list-ii/
 
 61.旋转链表：https://leetcode.cn/problems/rotate-list/
 
-# 栈与队列
+## 栈与队列
 
 232.用栈实现队列：https://leetcode.cn/problems/implement-queue-using-stacks/
 
 225.用队列实现栈：https://leetcode.cn/problems/implement-stack-using-queues/
 
-347.前K个高频元素：https://leetcode.cn/problems/top-k-frequent-elements/
+347.前 K 个高频元素：https://leetcode.cn/problems/top-k-frequent-elements/
 
 239.滑动窗口最大值：https://leetcode.cn/problems/sliding-window-maximum/
 
-# 二叉树
+## 二叉树
 
 105.从前序与中序遍历构造二叉树：https://leetcode.cn/problems/construct-binary-tree-from-preorder-and-inorder-traversal/
 
-117.填充每个节点的下一个右侧节点指针II：https://leetcode.cn/problems/populating-next-right-pointers-in-each-node-ii
+117.填充每个节点的下一个右侧节点指针 II：https://leetcode.cn/problems/populating-next-right-pointers-in-each-node-ii
 
 236.二叉树的最近公共祖先：https://leetcode.cn/problems/lowest-common-ancestor-of-a-binary-tree/
 
@@ -40,10 +47,21 @@
 
 530.二叉搜索树的最小绝对差：https://leetcode.cn/problems/minimum-absolute-difference-in-bst/
 
-# 图
+## 图
 
 200.岛屿数量：https://leetcode.cn/problems/number-of-islands/
 
 207.课程表：https://leetcode.cn/problems/course-schedule/
 
-210.课程表II：https://leetcode.cn/problems/course-schedule-ii/
+210.课程表 II：https://leetcode.cn/problems/course-schedule-ii/
+
+## 堆
+
+215. 数组中的第 K 个最大元素:https://leetcode.cn/problems/kth-largest-element-in-an-array/
+
+215. 数据流的中位数:https://leetcode.cn/problems/find-median-from-data-stream/
+
+215. 前 K 个高频元素：https://leetcode.cn/problems/top-k-frequent-elements/
+
+
+

docs/cs-basics/data-structure/red-black-tree.md

@@ -1,34 +1,40 @@
 ---
+title: 红黑树
 category: 计算机基础
 tag:
   - 数据结构
 ---
 
-# 红黑树
+## 红黑树介绍
 
-## 红黑树数据结构
+红黑树（Red Black Tree）是一种自平衡二叉查找树。它是在 1972 年由 Rudolf Bayer 发明的，当时被称为平衡二叉 B 树（symmetric binary B-trees）。后来，在 1978 年被 Leo J. Guibas 和 Robert Sedgewick 修改为如今的“红黑树”。
 
-建立在 BST 二叉搜索树的基础上，AVL、2-3树、红黑树都是自平衡二叉树（统称B-树）。但相比于AVL树，高度平衡所带来的时间复杂度，红黑树对平衡的控制要宽松一些，红黑树只需要保证黑色节点平衡即可。
+由于其自平衡的特性，保证了最坏情形下在 O(logn) 时间复杂度内完成查找、增加、删除等操作，性能表现稳定。
+
+在 JDK 中，`TreeMap`、`TreeSet` 以及 JDK1.8 的 `HashMap` 底层都用到了红黑树。
+
+## 为什么需要红黑树？
+
+红黑树的诞生就是为了解决二叉查找树的缺陷。
+
+二叉查找树是一种基于比较的数据结构，它的每个节点都有一个键值，而且左子节点的键值小于父节点的键值，右子节点的键值大于父节点的键值。这样的结构可以方便地进行查找、插入和删除操作，因为只需要比较节点的键值就可以确定目标节点的位置。但是，二叉查找树有一个很大的问题，就是它的形状取决于节点插入的顺序。如果节点是按照升序或降序的方式插入的，那么二叉查找树就会退化成一个线性结构，也就是一个链表。这样的情况下，二叉查找树的性能就会大大降低，时间复杂度就会从 O(logn) 变为 O(n)。
+
+红黑树的诞生就是为了解决二叉查找树的缺陷，因为二叉查找树在某些情况下会退化成一个线性结构。
 
 ## **红黑树特点** 
 
-1. 每个节点非红即黑；
+1. 每个节点非红即黑。黑色决定平衡，红色不决定平衡。这对应了 2-3 树中一个节点内可以存放 1~2 个节点。
+2. 根节点总是黑色的。
+3. 每个叶子节点都是黑色的空节点（NIL 节点）。这里指的是红黑树都会有一个空的叶子节点，是红黑树自己的规则。
+4. 如果节点是红色的，则它的子节点必须是黑色的（反之不一定）。通常这条规则也叫不会有连续的红色节点。一个节点最多临时会有 3 个节点，中间是黑色节点，左右是红色节点。
+5. 从根节点到叶节点或空子节点的每条路径，必须包含相同数目的黑色节点（即相同的黑色高度）。每一层都只是有一个节点贡献了树高决定平衡性，也就是对应红黑树中的黑色节点。
 
-   黑色决定平衡，红色不决定平衡。这对应了2-3树中一个节点内可以存放1~2个节点。
+正是这些特点才保证了红黑树的平衡，让红黑树的高度不会超过 2log(n+1)。
 
-2. 根节点总是黑色的；
 
-3. 每个叶子节点都是黑色的空节点（NIL 节点）；
+## 红黑树数据结构
 
-   这里指的是红黑树都会有一个空的叶子节点，是红黑树自己的规则。
+建立在 BST 二叉搜索树的基础上，AVL、2-3 树、红黑树都是自平衡二叉树（统称 B-树）。但相比于 AVL 树，高度平衡所带来的时间复杂度，红黑树对平衡的控制要宽松一些，红黑树只需要保证黑色节点平衡即可。
-
-4. 如果节点是红色的，则它的子节点必须是黑色的（反之不一定）；
-
-   通常这条规则也叫不会有连续的红色节点。一个节点最多临时会有3个节点，中间是黑色节点，左右是红色节点。
-
-5. 从根节点到叶节点或空子节点的每条路径，必须包含相同数目的黑色节点（即相同的黑色高度）。
-
-   每一层都只是有一个节点贡献了树高决定平衡性，也就是对应红黑树中的黑色节点。
 
 ## 红黑树结构实现
 
@@ -62,28 +68,27 @@ public class Node {
 
 ### 3.左旋调衡
 
-#### 3.1一次左旋
+#### 3.1 一次左旋
 
 ![幻灯片3](pictures/红黑树/红黑树3.PNG)
 
-#### 3.2右旋+左旋
+#### 3.2 右旋+左旋
 
 ![幻灯片4](pictures/红黑树/红黑树4.PNG)
 
 ### 4.右旋调衡
 
-#### 4.1一次右旋
+#### 4.1 一次右旋
 
 ![幻灯片5](pictures/红黑树/红黑树5.PNG)
 
-#### 4.2左旋+右旋
+#### 4.2 左旋+右旋
 
 ![幻灯片6](pictures/红黑树/红黑树6.PNG)
 
-**红黑树的应用**：TreeMap、TreeSet 以及 JDK1.8 的 HashMap 底层都用到了红黑树。
+## 文章推荐
 
-**为什么要用红黑树？** 简单来说红黑树就是为了解决二叉查找树的缺陷，因为二叉查找树在某些情况下会退化成一个线性结构。详细了解可以查看 [漫画：什么是红黑树？](https://juejin.im/post/5a27c6946fb9a04509096248#comment)（也介绍到了二叉查找树，非常推荐）
+- [《红黑树深入剖析及 Java 实现》 - 美团点评技术团队](https://zhuanlan.zhihu.com/p/24367771)
-
+- [漫画：什么是红黑树？ - 程序员小灰](https://juejin.im/post/5a27c6946fb9a04509096248#comment)（也介绍到了二叉查找树，非常推荐）
-**相关阅读**：[《红黑树深入剖析及 Java 实现》](https://zhuanlan.zhihu.com/p/24367771)（美团点评技术团队）
 
 <!-- @include: @article-footer.snippet.md -->

docs/java/basis/java-basic-questions-02.md

@@ -647,7 +647,7 @@ System.out.println(aa==bb);// true
 
 会创建 1 或 2 个字符串对象。
 
-1、如果字符串常量池中不存在字符串对象“abc”的引用，那么它将首先在字符串常量池中创建，然后在堆空间中创建，因此将创建总共 2 个字符串对象。
+1、如果字符串常量池中不存在字符串对象“abc”的引用，那么它会在堆上创建两个字符串对象，其中一个字符串对象的引用会被保存在字符串常量池中。
 
 示例代码（JDK 1.8）：
 

docs/open-source-project/tool-library.md

@@ -24,6 +24,10 @@ icon: codelibrary-fill
 - [excel-streaming-reader](https://github.com/monitorjbl/excel-streaming-reader)：Excel 流式代码风格读取工具（只支持读取 XLSX 文件），基于 Apache POI 封装，同时保留标准 POI API 的语法。
 - [myexcel](https://github.com/liaochong/myexcel)：一个集导入、导出、加密 Excel 等多项功能的工具包。
 
+### Word
+
+- [poi-tl](https://github.com/Sayi/poi-tl)：基于 Apache POI 的 Word 模板引擎，可以根据 Word 模板和数据生成 Word 文档，所见即所得！
+
 ### JSON
 
 - [JsonPath](https://github.com/json-path/JsonPath)：处理 JSON 数据的工具库。

docs/system-design/schedule-task.md

@@ -176,7 +176,7 @@ Kafka、Dubbo、ZooKeeper、Netty、Caffeine、Akka 中都有对时间轮的实
 
 ![](https://oss.javaguide.cn/github/javaguide/system-design/schedule-task/three-layers-of-time-wheel.png)
 
-上图的时间轮，第 1 层的时间精度为 1 ，第 2 层的时间精度为 20 ，第 3 层的时间精度为 400。假如我们需要添加一个 350s 后执行的任务 A 的话（当前时间是 0s），这个任务会被放在第 2 层（因为第二层的时间跨度为 20\*20=400>350）的第 350/20=17 个时间格子。
+上图的时间轮(ms -> s)，第 1 层的时间精度为 1 ，第 2 层的时间精度为 20 ，第 3 层的时间精度为 400。假如我们需要添加一个 350s 后执行的任务 A 的话（当前时间是 0s），这个任务会被放在第 2 层（因为第二层的时间跨度为 20\*20=400>350）的第 350/20=17 个时间格子。
 
 当第一层转了 17 圈之后，时间过去了 340s ，第 2 层的指针此时来到第 17 个时间格子。此时，第 2 层第 17 个格子的任务会被移动到第 1 层。